買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜復(fù)旦大學(xué)申請的專利一種面向運維領(lǐng)域的配置命令知識抽取的框架獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114547250B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210181458.6，技術(shù)領(lǐng)域涉及：G06N5/025；該發(fā)明授權(quán)一種面向運維領(lǐng)域的配置命令知識抽取的框架是由趙津;程俏;岳之昂;肖仰華設(shè)計研發(fā)完成，并于2022-02-25向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種面向運維領(lǐng)域的配置命令知識抽取的框架在說明書摘要公布了：本發(fā)明公開了一種面向運維領(lǐng)域的配置命令知識抽取的框架，包括：知識模板構(gòu)建模塊，根據(jù)運維領(lǐng)域配置命令的業(yè)務(wù)需求，定義配置命令關(guān)系集合，并在用戶手冊中構(gòu)造包含預(yù)定義關(guān)系的文本，將其泛化為知識描述模板；實體抽取模塊，結(jié)合字符串的編輯距離，對配置命令實體進(jìn)行模糊匹配，以抽取文本中的命令實體；關(guān)系分類模塊，利用深度學(xué)習(xí)模型對文本的語義進(jìn)行建模，通過習(xí)得文本中的配置命令關(guān)系來泛化規(guī)則；基于bootstrap的數(shù)據(jù)增強模塊，利用槽位替換文本中提及的配置命令實體，將泛化后的文本視為高質(zhì)量知識描述模板，并將高質(zhì)量知識描述模板添加到模板庫，當(dāng)新產(chǎn)生的高質(zhì)量知識描述模板少于閾值時，Bootstrap數(shù)據(jù)擴充和增強迭代收斂。

本發(fā)明授權(quán)一種面向運維領(lǐng)域的配置命令知識抽取的框架在權(quán)利要求書中公布了：1.一種面向運維領(lǐng)域的配置命令知識抽取的框架，其特征在于，包括：知識模板構(gòu)建模塊，根據(jù)運維領(lǐng)域配置命令的業(yè)務(wù)需求，定義配置命令關(guān)系集合，并在用戶手冊中構(gòu)造包含預(yù)定義關(guān)系的文本，將其泛化為知識描述模板；實體抽取模塊，結(jié)合字符串的編輯距離，對配置命令實體進(jìn)行模糊匹配，以抽取所述文本中的命令實體；關(guān)系分類模塊，利用深度學(xué)習(xí)模型對所述文本的語義進(jìn)行建模，通過習(xí)得所述文本中的配置命令關(guān)系來泛化規(guī)則，從而挖掘更多表達(dá)類似關(guān)系的文本；基于bootstrap的數(shù)據(jù)增強模塊，利用槽位替換所述文本中提及的所述配置命令實體，將泛化后的文本視為高質(zhì)量知識描述模板，并將所述高質(zhì)量知識描述模板添加到模板庫，當(dāng)新產(chǎn)生的所述高質(zhì)量知識描述模板少于閾值時，Bootstrap數(shù)據(jù)擴充和增強迭代收斂，其中，所述關(guān)系分類模塊包括基于預(yù)訓(xùn)練語言模型的編碼器部、句法注意力部以及基于PULearning的分類部，所述句法注意力部用于使關(guān)系分類模型捕獲句法層面的特征，首先對所述知識描述模板進(jìn)行依存句法分析以構(gòu)造句法注意力權(quán)重矩陣，并結(jié)合多頭注意力機制獲取句法增強后的文本向量，具體包括以下步驟：步驟1，初始化全零的注意力權(quán)重矩陣，利用依存句法分析計算每個tokenci的所有祖先節(jié)點集合pi，并更新權(quán)重矩陣，計算方式如下： 式中tokencj是tokenci的祖先節(jié)點；步驟2，利用多頭注意力機制增強編碼器的上下文語義向量： hsg＝Wo·Concat[A1·V1；…；Ai·Vi；…；AH·VH]式中，i，表示第i個頭注意力模塊，分別由多頭注意力矩陣計算，表示Q,V分別表示查詢Query和鍵Key,用于計算注意力權(quán)重A，Ai.j表示tokenci和tokenci之間的attentionscore，指導(dǎo)模型關(guān)注分?jǐn)?shù)高token之間的信息，將句法樹中存在直接依存關(guān)聯(lián)token之間的原始權(quán)重保留，文本的語義表示hc+sg以加權(quán)融合策略結(jié)合編碼的上下文表示與句法增強的上下文表示：hc+sg＝α·hcontext+1-a·hsg所述基于PULearning的分類部采用PUlearning中的nnPU損失函數(shù)優(yōu)化模型參數(shù)：Jmnpu＝π·Epx|y＝1[lgx]+max{0,Epx[l-gx]-π·Epx|y＝1[l-gx]} 式中，π是類別先驗概率，g是決策函數(shù)，用于輸出最終預(yù)測為正樣本y＝1的概率，l為損失函數(shù)。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人復(fù)旦大學(xué)，其通訊地址為：200433 上海市楊浦區(qū)邯鄲路220號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。